每日一练 | 2026年10月12日 期货从业（统考·期货投资分析）（第 9 期）
| 试题来源 | 期货投资分析 · 中国期货业协会官方考试大纲 |
|---|---|
| 所属考试 | 期货从业 |
| 所属科目 | 期货投资分析 |
| 对应大纲 | 《2024年"期货投资分析"考试大纲》 |
| 所属章节 | 第三章 统计与计量分析 |
| 覆盖知识点 | 时间序列分析、线性回归分析、统计分析 |
| 试题分值 | 单项选择题 2 分 × 3、多项选择题 3 分 × 1、判断题 1 分 × 1，合计 10 分 |
| 难度 | 中等 |
本期试题（共 5 题）
1.【单项选择题】（2 分）在 ARMA(p,q) 模型中，参数 p 表示（ ）。
A. 自回归项的阶数 B. 移动平均项的阶数 C. 差分阶数 D. 滞后期数上限
2.【单项选择题】（2 分）某期货品种的日收盘价序列经检验含有单位根，对其进行一阶差分后序列平稳。若对该序列建立 ARIMA 模型，则差分阶数 d 应取（ ）。
A. 0 B. 1 C. 2 D. 无法确定
3.【单项选择题】（2 分）某时间序列的自相关函数呈拖尾形态，偏自相关函数在二阶后截尾。据此判断，较为合适的模型形式是（ ）。
A. AR(2) B. MA(2) C. ARMA(2,2) D. 无法判断
4.【多项选择题】（3 分）下列关于时间序列分析的表述，正确的有（ ）。
A. 平稳时间序列的均值和方差不随时间变化 B. 偏自相关函数度量剔除中间滞后项影响后的净相关程度 C. 模型估计后应检验残差是否为白噪声 D. ARCH、GARCH 类模型可用于刻画条件方差的时变特征
5.【判断题】（1 分）对非平稳时间序列可以直接建立 ARMA 模型，不需要作差分处理。（ ）
A. 正确 B. 错误
答案与解析
解析：考查 ARMA 模型参数含义。ARMA(p,q) 由自回归部分与移动平均部分组成，其中 p 为自回归项的阶数，表示使用序列自身滞后值的个数；q 为移动平均项的阶数，表示使用随机误差项滞后值的个数。差分阶数出现在 ARIMA 模型中，故选 A。
解析：考查 ARIMA 模型中差分阶数的确定。原序列非平稳、一阶差分后平稳，说明只需要一次差分即可将序列转化为平稳序列，因此 ARIMA(p,d,q) 中的差分阶数 d 应取 1，故选 B。若一阶差分后仍不平稳需继续差分，d 相应增大。
解析：考查依据自相关函数与偏自相关函数形态识别模型。自回归模型的典型特征是偏自相关函数截尾、自相关函数拖尾；移动平均模型的典型特征是自相关函数截尾、偏自相关函数拖尾。本题偏自相关函数在二阶后截尾、自相关函数拖尾，符合二阶自回归模型的特征，故选 A。
解析：考查时间序列分析的核心结论。平稳性的条件为均值、方差和自协方差不随时间变化，A 正确；偏自相关函数用于度量剔除中间滞后项影响后的净相关程度，与自相关函数配合用于定阶，B 正确；模型估计后须检验残差是否为白噪声，若残差仍存在显著自相关则需重新定阶，C 正确；金融时间序列存在波动聚集特征，可用 ARCH、GARCH 类模型刻画条件方差的时变特征，D 正确。
解析：考查 ARMA 模型的适用前提。ARMA 模型以序列平稳为基本前提，均值、方差与自协方差需不随时间变化。若序列非平稳，应先作差分处理，使其转化为平稳序列后再建模，即使用 ARIMA 模型，其中差分阶数 d 正是为此设置。故该表述错误。
本期小结
本期 5 题围绕「期货投资分析」中「时间序列分析」展开，覆盖 ARMA 与 ARIMA 模型参数含义、差分阶数的确定、依据自相关与偏自相关函数形态识别模型，以及平稳性条件、残差白噪声检验与 ARCH、GARCH 类模型的应用，重点把握「先验平稳、再定阶、后验残差」的建模逻辑。
相关知识点详见 → 期货投资分析考点精讲 | 第三章 统计与计量分析 · 时间序列分析
依据：中国期货业协会 官方考试大纲 来源：中国期货业协会 https://www.cfachina.org/
说明：中国期货业协会 2024 年 4 月 12 日发布的《期货基础知识》《期货法律法规》《期货投资分析》考试大纲，2025、2026 年考试沿用；其中《期货基础知识》《期货法律法规》为一般从业科目，《期货投资分析》为专项科目。如辅导教材内容与最新颁布的法律法规及监管要求有抵触，以最新颁布的法律法规为准。
本文内容依据官方考试大纲与现行法律法规整理，仅供参考，具体以官方教材及现行法律法规原文为准。如遇政策调整，请以中国期货业协会及中国证券监督管理委员会的官方公告为准。